論文の概要: Image Processing for Motion Magnification

• arxiv url: http://arxiv.org/abs/2411.09555v1
• Date: Thu, 14 Nov 2024 16:07:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-15 15:23:30.085870
• Title: Image Processing for Motion Magnification
• Title（参考訳）: 運動拡大のための画像処理
• Authors: Nadaniela Egidi, Josephin Giacomini, Paolo Leonesi, Pierluigi Maponi, Federico Mearelli, Edin Trebovic,
• Abstract要約: モーション・マグニフィケーション(英: Motion Magnification, MM)は、画像処理分野における最近の技術集である。 フーリエ領域の映像系列を解析する位相ベースモーション・マグニフィケーションを用いた数値計算手法を提案する。 本研究は,合成画像を用いた基礎実験に焦点をあてた予備実験である。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Motion Magnification (MM) is a collection of relative recent techniques within the realm of Image Processing. The main motivation of introducing these techniques in to support the human visual system to capture relevant displacements of an object of interest; these motions can be in object color and in object location. In fact, the goal is to opportunely process a video sequence to obtain as output a new video in which motions are magnified and visible to the viewer. We propose a numerical technique using the Phase-Based Motion Magnification which analyses the video sequence in the Fourier Domain and rely on the Fourier Shifting Property. We describe the mathematical foundation of this method and the corresponding implementation in a numerical algorithm. We present preliminary experiments, focusing on some basic test made up using synthetic images.
• Abstract（参考訳）: モーション・マグニフィケーション(英: Motion Magnification, MM)は、画像処理分野における最近の技術集である。 これらの技術を導入する主な動機は、人間の視覚システムをサポートし、興味のある対象の適切な変位を捉えることである。 実のところ、ゴールは動画シーケンスを順調に処理して、動画を拡大して視聴者に見せる新しい映像を出力することである。 本稿では,フーリエ領域の映像系列を解析し,フーリエシフト特性に依存した位相ベースモーション・マグニフィケーションを用いた数値計算手法を提案する。 本手法の数学的基礎とそれに対応する実装を数値アルゴリズムで記述する。 本研究は,合成画像を用いた基礎実験に焦点をあてた予備実験である。

関連論文リスト

• Diffusion Priors for Dynamic View Synthesis from Monocular Videos [59.42406064983643]
  ダイナミックノベルビュー合成は、ビデオ内の視覚的コンテンツの時間的進化を捉えることを目的としている。 まず、ビデオフレーム上に予め訓練されたRGB-D拡散モデルをカスタマイズ手法を用いて微調整する。 動的および静的なニューラルレイディアンス場を含む4次元表現に、微調整されたモデルから知識を蒸留する。
  論文  参考訳（メタデータ） (2024-01-10T23:26:41Z)
• Generative Image Dynamics [80.70729090482575]
  本研究では,シーン動作に先立って画像空間をモデル化する手法を提案する。 我々の先行研究は、実映像から抽出した動き軌跡の収集から得られたものである。
  論文  参考訳（メタデータ） (2023-09-14T17:54:01Z)
• MovingParts: Motion-based 3D Part Discovery in Dynamic Radiance Field [42.236015785792965]
  動的シーン再構成と部分発見のためのNeRF法である移動部について述べる。 ラグランジアンビューでは、物体上の粒子の軌跡を追跡することにより、シーンの動きをパラメータ化する。 ラグランジアンビューは、部分レベルの剛体運動の合成としてシーンの動きを分解することで、部品を発見するのに便利である。
  論文  参考訳（メタデータ） (2023-03-10T05:06:30Z)
• AIMusicGuru: Music Assisted Human Pose Correction [8.020211030279686]
  生成した音と生成する動きの因果関係を高次に理解する手法を提案する。 音声シグネチャを用いて、正確な人体ポーズ動作モデルを洗練し、予測する。 また,音楽で演奏する3DヴァイオリンのマルチモーダルデータセットMAPdatをオープンソース化した。
  論文  参考訳（メタデータ） (2022-03-24T03:16:42Z)
• Render In-between: Motion Guided Video Synthesis for Action Interpolation [53.43607872972194]
  本研究では、リアルな人間の動きと外観を生成できる動き誘導型フレームアップサンプリングフレームワークを提案する。 大規模モーションキャプチャーデータセットを活用することにより、フレーム間の非線形骨格運動を推定するために、新しいモーションモデルが訓練される。 私たちのパイプラインでは、低フレームレートのビデオと不自由な人間のモーションデータしか必要としませんが、トレーニングには高フレームレートのビデオは必要ありません。
  論文  参考訳（メタデータ） (2021-11-01T15:32:51Z)
• NeuralDiff: Segmenting 3D objects that move in egocentric videos [92.95176458079047]
  観測された3次元シーンを静的な背景と動的前景に分解する問題について検討する。 このタスクは、古典的な背景の減算問題を連想させるが、静的でダイナミックなシーンの全ての部分が大きな動きを生じさせるため、非常に難しい。 特に、自我中心のビデオについて検討し、動的コンポーネントを観察・移動するオブジェクトとアクターにさらに分離する。
  論文  参考訳（メタデータ） (2021-10-19T12:51:35Z)
• Event-based Motion Segmentation with Spatio-Temporal Graph Cuts [51.17064599766138]
  イベントベースカメラで取得したオブジェクトを独立に識別する手法を開発した。 この方法は、予想される移動物体の数を事前に決定することなく、技術状態よりも同等以上の性能を発揮する。
  論文  参考訳（メタデータ） (2020-12-16T04:06:02Z)
• Animating Pictures with Eulerian Motion Fields [90.30598913855216]
  静止画をリアルなアニメーションループ映像に変換する完全自動手法を示す。 流れ水や吹く煙など,連続流体運動の場面を対象とする。 本稿では,前向きと後向きの両方に特徴を流し,その結果をブレンドする新しいビデオループ手法を提案する。
  論文  参考訳（メタデータ） (2020-11-30T18:59:06Z)
• MotionSqueeze: Neural Motion Feature Learning for Video Understanding [46.82376603090792]
  モーションはビデオを理解する上で重要な役割を担い、ビデオ分類のための最先端のニューラルモデルにはモーション情報が含まれる。 本研究では,光学流の外部および重い計算を内部および軽量な運動特徴学習に置き換える。 提案手法は,アクション認識のための4つの標準ベンチマークにおいて,少ない追加コストで大幅に向上できることを実証する。
  論文  参考訳（メタデータ） (2020-07-20T08:30:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。